中国人工智能行业调研简报：市场简报：深度学习框架到底是什么？中国AI企业为何纷纷开源自研框架？

　　深度学习框架打破技术门槛，打通技术交流渠道，促进业界协同发展深度学习是以人工神经网络为基础、融合数学、计算机科学、神经科学等多种学科、对数据及信息进行学习的机器学习算法。深度学习底层算法的开发对算法开发人员的要求较高，需精通多个前沿科学领域理论并具备相对应的应用能力。由于较高的学术及技术门槛，在深度学习技术发展早期缺乏底层开发工具的情况下，深度学习技术发展速度较慢，相关应用的落地难以实现。

    　　深度学习框架的出现打破了基于深度学习技术的人工智能应用开发的高技术门槛。深度学习框架是一系列经过高级计算机语言封装的深度学习底层算法，内含可实现样本数据的调用、分类及输入、神经网络架构建设、激活函数及损失函数等函数设置、超参数设定及调整等功能的完整函数工具。通过对深度学习框架的引用，人工智能应用开发者无需熟知底层算法开发逻辑即可完成应用开发，人工智能应用开发的技术门槛大幅降低。

    　　深度学习框架的出现打通了业界技术交流与知识分享的渠道。采用同一深度学习框架的算法程序具备较高的易读性及兼容性，使算法程序的移植及调用难度大幅降低。算法开发人员可通过学习已开源的算法区块，并对该算法进行调用或进一步研发，在已有知识架构体系的基础上实现人工智能算法的创新。

    　　现存深度学习框架在效率上的缺陷及日趋复杂的国际形势驱动中国人工智能企业布局深度学习框架自主研发

    　　中国人工智能企业布局深度学习框架的自主研发及推广的主要原因有二。一是目前业界主流的深度学习框架在运算效率上尚有缺陷，主要体现在算法训练及推断阶段对GPU、CPU等硬件的利用率较低。如何优化深度学习框架编写逻辑及计算机语言编译过程，从而提升深度学习框架对硬件的利用率成为全球人工智能学术界及产业界亟需解决的问题，也成为企业抢占人工智能行业高地的机会。具备更高效率的深度学习框架将成为替代现存主流深度学习框架、推动企业人工智能生态构建的有力支持。

    　　第二个原因则归咎于目前全球日益复杂的贸易环境。主流的深度学习框架虽已由全球各大人工智能研发主体开源发布，其知识主权仍由各研发主体持有。受国际形势影响，已开源的深度学习框架或将面临商用受限等风险。由于TensorFlow、PyTorch等由海外主体研发并开源的深度学习框架已占据业界主流地位，框架商用受限将对业界生态、行业后续发展及人工智能企业存续产生显著的负面影响。国际关系的日趋复杂迫使各国政府及人工智能研发主体加强包括深度学习框架等核心技术的自主研发，从而掌握人工智能领域发展的主动权。

    　　开源是促进技术创新、业务增长及行业发展的关键驱动力与程序及软件的开源类似，深度学习框架的开源指框架以开源许可证形式发行，任何主体均有权进行查看、在其源代码基础上根据需求进行修改（生成新的代码）并加以应用。

    　　围绕深度学习框架的开源，人工智能企业基于其强大的云服务实力及人工智能技术研发实力，针对人工智能应用开发流程的简化及开发环境的优化为业界提供一系列人工智能开发工具及服务，为人工智能业界的技术创新及协同发展提供有力支持。同时，深度学习框架的开源与平台的建立为人工智能企业本身的技术创新、产品优化、应用拓展、人才引进提供有力支持。深度学习框架的开源是建立成熟AI生态的核心引擎。

    　　此外，深度学习框架的开源利好人工智能平台运营商付费业务的拓宽及增长。在以开源深度学习框架为核心的免费服务基础上，人工智能平台运营商保留面向人工智能应用开发商及需求方的付费服务。付费服务主要围绕算法、算力、数据与应用部署服务为业界提供人工智能全流程开发支持，是人工智能平台运营商的主要收入来源。深度学习框架的开源助力人工智能技术研发及应用落地的同时，推动人工智能生态的构建及应用领域的拓宽，释放各应用领域智能化转型需求，为人工智能平台运营商付费业务的增长提供有力支持。